TensorFlow 2.0 问题汇总

AttributeError: module 'tensorflow' has no attribute 'Session'

新的Tensorflow 2.0版本中已经移除了Session这一模块，改换运行代码

tf.compat.v1.Session()

就可以获得与原先相同的输出信息。如果觉得不方便，也可以改换低版本的Tensorflow，直接用pip即可安装

pip install tensorflow==1.14

RuntimeError: The Session graph is empty. Add operations to the graph before calling run().

无法执行sess.run()的原因是tensorflow版本不同导致的，tensorflow版本2.0无法兼容版本1.0.
解决办法：
tf.compat.v1.disable_eager_execution()

import tensorflow as tf
tf.compat.v1.disable_eager_execution() # 保证sess.run()能够正常运行
hello = tf.constant('hello tf')
sess = tf.compat.v1.Session()
print(sess.run(hello))

在运行过程中出现"Failed to get convolution algorithm. This is probably because cuDNN failed to initialize"的报错

解决办法：

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
with tf.Session(config=config) as session:

Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found

解决办法：下载CUDART64_101.DLL文件，复制到CUDA安装目录下的bin文件夹里

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA

解决方法：

    (1) 如果安装的是GPU版本

        如果你有一个GPU，你不应该关心AVX的支持，因为大多数昂贵的操作将被分派到一个GPU设备上（除非明确地设置）。在这种情况下，您可以简单地忽略此警告：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

   (2) 如果安装的是CPU版本（pip install tensorflow）

        1.在代码中加入如下代码，忽略警告：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

        2.编译TensorFlow源码
        如果您没有GPU并且希望尽可能多地利用CPU，那么如果您的CPU支持AVX，AVX2和FMA，则应该从针对CPU优化的源构建tensorflow。

tensorflow GPU测试tf.test.is_gpu_avaiable()返回false

解决办法：

先检查CUDA、cuDNN和tensorflow的版本有没有对应一致

如果确定对应一致，而且环境变量也确认配置正确了，还是返回了False，那么请跟随一下步骤：
1、在桌面右击，打开Nvidia控制面板，若无Nvidia控制面板，则执行步骤2；若有，执行步骤3。
2、下载Nvidia Experience，默认选项安装（大概占用C盘4G容量）。安装完成后，执行步骤1.
3、打开系统信息。
4、查看CUDA的驱动版本，如果版本太低，到Nvidia Experience更新驱动程序。默认安装即可。
5、安装完之后，顺便把PhysX设置固定为独立显卡。

tensorflow-gpu运行测试代码，卡在 I tensorflow/core/common_runtime/gpu/gpu_device.cc:1512] Adding visible gpu

解决办法：试着重新运行了两次就好了，貌似第一次运行GPU的时候就会卡在这里会很慢，运行卡在那句后就耐心等待即可。